Results 41 to 50 of about 1,842 (102)
Gaoya dianqi柔性直流电网故障特征复杂，快速可靠识别直流线路故障具有挑战性，为此，文中提出一种基于虚拟功率的柔性直流电网故障保护方案。首先，分析了直流线路在不同故障下线路上限流电抗器虚拟功率变化规律；其次，针对不同故障下限流电抗器虚拟功率的差异性，通过计算限流电抗器虚拟功率变化率识别区内、外故障，并计算正、负极限流电抗器功率积分的比值确定故障极。最后，实验结果表明，所提出的保护方案能准确区分区内、外故障以及故障极，对通信要求低且无需复杂的数据处理，在不同工况下均能够可靠工作，满足柔性直流电网对保护的要求。
李玉东 +4 more
doaj
Dianci bileiqi, 2014 针对目前运行的自动消弧线圈不能识别接地故障,导致拒动、误动、残流过大等问题,对中性点电压在瞬时性接地、低阻接地、高阻接地等情况下的取值范围进行了推导计算,对能够识别的高阻接地的取值勤范围亦进行了推导计算,并通过仿真验证了推导的正确性。据此对自动消弧线圈进行了改造 ...
陈忠仁, 张波, 黄健
doaj
基于融合特征和残差神经网络的10 kV高压断路器机械故障声纹识别方法
Gaoya dianqi针对传统10 kV高压断路器故障诊断方法过于依赖主观经验、准确率不高、泛化能力差的问题。提出了一种基于声学特征的10 kV高压断路器常见机械故障识别方法。首先，以（ZN63）12/630A型高压户内真空断路器为研究对象，设置常见的8种机械故障，采集其分合闸时的声音作为检测信号；其次，将采集的故障声纹信号进行预处理，提取故障声纹信号的梅尔倒频谱系数（MFCC）特征、色度特征（chroma features）以及一维平均能量和频谱质心，并利用Fisher比舍弃贡献率低的分量，构成融合特征 ...
段梵 +4 more
doaj
Gaoya dianqi, 2010 探讨了一种基于离散小波变换（DWT）及其多分辨率分析（MRA）的识别励磁涌流和内部故障电流并利用小波熵作为判据的方法。在MATLAB中通过对变压器空载合闸和匝间短路进行仿真,并利用该方法对不平衡电流进行了分析。结果表明,该方法能够可靠、快速地识别出励磁涌流和内部故障电流。
严屹宏, 陈剑云
doaj
基于红外图像特征与BP神经网络的绝缘子串低零值故障和污秽故障识别方法
Dianci bileiqi, 2019 提出一种基于红外图像温度分布特征和BP神经网络（BPNN,back-propagation neural networks）的绝缘子串低零值故障和污秽故障识别方法。首先利用图像处理技术分割提取绝缘子串红外图像中钢帽和盘面目标区域,得到对应温度数据;之后引入K-means聚类算法剔除分割目标区域中背景像素温度数据的干扰,并计算每个分割区域温度平均值,形成反映绝缘子运行状态的钢帽和盘面温度特征向量;在此基础上,建立以温度特征向量为输入的BPNN模型,实现绝缘子串低零值故障和污秽故障的识别及故障定位 ...
廖志伟 +5 more
doaj
Gaoya dianqi, 2016 变压器空载合闸时产生的励磁涌流可能会导致差动保护误动,因此正确识别励磁涌流和内部故障是变压器保护的主要问题。文中首先分析了变压器励磁涌流和内部故障时基波与二次谐波幅值的动态变化趋势,并基于两者幅值的变化趋势提出了一种基于相关系数的识别方法:当两者的相关系数大于某一门槛值时,即判为励磁涌流,否则判为内部故障。PSCAD/EMTDC仿真结果验证了新方法在性能上的优越性。
闫富松, 李朝晖
doaj
Gaoya dianqi为识别并区分10 kV开关柜中常见局部放电的故障类型，搭建了开关柜局部放电故障模拟与检测平台，提出了一种基于超声波信号特征量的局部放电识别方法，提取了局部放电时超声波信号的暂态冲击量并利用其概率密度分布进行类型判别，对比研究了4种不同局部放电模型产生超声波信号的暂态冲击量概率密度分布图谱。结果表明：随电压等级的提高，曲线向更高暂态冲击量处偏移，并呈“多波峰状”，同种类型故障产生的曲线高度重合，不同类型故障产生的曲线差异明显，可据此判别10 kV开关柜局部放电类型。
曾潮旭 +5 more
doaj
Gaoya dianqi, 2011 针对高压断路器的机械故障诊断问题,笔者评述了近十年来国内外高压断路器机械故障振动诊断的方法。从振动信号的特征提取、故障识别的角度,对其进行了具体的分析。展望了高压断路器机械故障振动诊断的发展趋势,为后续的深入研究打下基础。
常广, 张振乾, 王毅
doaj
基于ReliefF特征量优化及BP神经网络识别的高压隔离开关故障类型与位置诊断方法
Gaoya dianqi, 2018 针对高压隔离开关机械故障的类型和发生位置难以有效识别的问题,提出了一种将隔离开关多路振动特征利用Relief F算法进行优化然后利用BP神经网络进行融合决策的故障诊断方法。首先进行试验模拟故障,在隔离开关本体和操动机构上分布式安装振动传感器,采集不同位置振动信号;然后将多个传感器采集的振动信号进行经验模态分解,得到固有模态函数,分别计算能量距,并把多路信号的能量距进行融合。最后使用Relief F算法对其进行特征筛选,构成BP神经网络的输入特征向量,从而实现故障类型、位置诊断。试验结果表明 ...
张一茗 +7 more
doaj
[Interpretation of the "International consensus on early rehabilitation and nutritional management for infants at high risk of neurological impairment"]. [PDF]
Zhongguo Dang Dai Er Ke Za ZhiWang J +5 more
europepmc +1 more source